Inteligencia Artificial para frenar una pandemia: Análisis genómico y evaluación de fármacos

Desde los comienzos de la pandemia tanto investigadores como las grandes farmacéuticas han centrado sus esfuerzos en analizar el comportamiento y los efectos de la Covid-19 para desarrollar una vacuna eficaz contra el virus. Tras apenas un año desde los primeros casos comenzaron a llegar las primeras vacunas efectivas, esto convierte a las vacunas contra la COVID en las primeras con el periodo de desarrollo más corto de la historia. Situaciones como esta nos han hecho darnos cuenta de los grandes avances en tecnología que hemos tenido en las últimas décadas, desde los avanzados equipos para laboratorio hasta uno de los últimos aliados para la medicina, la Inteligencia Artificial.

Figura 1: Inteligencia Artificial para frenar una pandemia.

Análisis genómico y evaluación de fármacos

Pero ¿cómo puede la Inteligencia Artificial ayudarnos a frenar una pandemia? La respuesta a esta pregunta es sencilla, a través del análisis de datos mediante algoritmos entrenados. Nosotros mismos hicimos en el equipo de Ideas Locas un trabajamos en una prueba de concepto de Cómo detectar una infección COVID-19 con placas de Rayox X haciendo uso de Deep Learning y Teacheable Machine, que ya os publicamos.

Figura 2: PoC detectar COVID-19 en placas Rayos X con Deep Learning

Con la misma aproximación de usar Inteligencia Artificial, hace unos días un grupo de investigadores de la universidad de San Diego (California) han desarrollado un algoritmo capaz de examinar Terabytes de datos de expresión genética. El algoritmo en cuestión examina qué genes se encuentran activados o desactivados cuando un individuo está sufriendo una infección vírica. Esto sirve para identificar los patrones que se repiten en los individuos tras haber sufrido una infección como la de la Covid-19 u otras pandemias como el MERS o el SARS. 

Un estudio genómico con Inteligencia Artificial

Para comprobar la efectividad de este algoritmo se utilizaron fragmentos de tejido pulmonar obtenido de víctimas de las distintas variantes de la COVID-19 e incluso algunas muestras de especies animales que también habían contraído el virus (como visones, pangolines etcétera). Al analizar los patrones obtenidos por el algoritmo se puede conocer qué tipo de respuesta inmunitaria esperar en cada tipo de paciente y así escoger la terapia más acorde en función del grado de gravedad al que se expone.

Según los investigadores son dos los conjuntos de genes que utiliza el algoritmo para predecir el comportamiento de los virus. Del primer grupo, formado por 166 genes, el algoritmo identifica cómo sería la respuesta del sistema inmunológico humano frente al virus. Por otro lado, del otro grupo, formado por 20 genes, el algoritmo es capaz de predecir el nivel de gravedad que supone la enfermedad para el paciente. Con este análisis es posible saber cómo afectará el virus a cada persona y así anticiparse a la aparición de algunos de los síntomas más graves (como la falta de oxígeno).

Figura 3: Estudio genómico revela especies con mayor riesgo de contraer COVID-19.

Otro de los objetivos de los investigadores era descubrir cuál era el factor determinante para que un paciente enfermase gravemente mientras que otro fuese capaz de pasar la infección como si de un simple resfriado se tratase. La respuesta se encuentra en las citoquinas, unas pequeñas proteínas que el sistema inmunológico libera a la sangre cuando sufrimos una infección para guiar a las células inmunitarias a detectarla y acabar con la misma. En algunas ocasiones el sistema inmunológico toma una respuesta exagerada frente a una infección liberando demasiadas de estas proteínas provocando lo que se conoce como tormenta de citoquinas.

El estudio también reveló que las células alveolares, las encargadas de realizar el intercambio de gases en los pulmones, son una de las principales fuentes de estas tormentas. Si tenemos en cuenta que la COVID-19 ataca a las vías respiratorias, una reacción así del sistema inmunológico puede provocar grandes daños a las células NK encargadas de acabar con la infección. Esto explica por qué algunos de los pacientes ingresados en los hospitales empeoran rápidamente haciendo necesario el uso de respiradores.

Figura 4: Las tormentas de citoquinas provocan la inflamación de

vías respiratorias y el empeoramiento de los pacientes.

Tras el último año, en el que millones de personas han pasado por la COVID-19, también son cientos de miles los casos en los que algunos de los síntomas son persistentes tras haber superado la enfermedad. Por eso mismo el equipo de investigadores de la universidad de San Diego ya está trabajando con su modelo de Inteligencia Artificial para analizar estos efectos y encontrar nuevas formas de tratarlos.

Estudio de fármacos con Inteligencia Artificial

Este no es el único caso en el que se ha utilizado la Inteligencia Artificial para luchar contra la pandemia, de hecho, aquí en España unos investigadores valencianos han utilizado la Inteligencia Artificial para identificar hasta 16 fármacos ya existentes con los que se puede tratar el coronavirus. Esto es sin duda una muy buena noticia ya que al ser fármacos cuya eficacia ya se ha demostrado no sería necesario que pasasen por la fase de investigación y ensayos clínicos que frena mucho el desarrollo de las vacunas y los nuevos medicamentos

Figura 5: Algunas de las estructuras de proteínas que se encuentran en COVID-19.

Este modelo desarrollado por los investigadores de la Universidad CEU Cardenal Herrera y ESI Group aplica el análisis topológico de datos para comparar la estructura de las proteínas sobre las que actúan normalmente estos medicamentos con las proteínas propias de la COVID-19. Al igual que en el primer caso del que os hemos hablado hoy, es necesario aplicar técnicas computacionales avanzadas lo que convierte a la Inteligencia Artificial en su mejor aliado. Esta es la primera vez que se plantea el análisis de la estructura topológica de proteínas con un fin como este, ya que en otras ocasiones también se ha tratado de utilizar IA con diversos métodos computacionales para investigar la viabilidad de medicamentos ya existentes frente a la COVID pero sin tanto éxito.

El estudio realizado por la Cátedra ESI-CEU ha contemplado todos los fármacos aprobados por la FDA estadounidense, estamos hablando de 1825 fármacos distintos que trabajan sobre más de 27.800 estructuras de proteínas. En la primera fase de este análisis masivo los investigadores compararon todas estas posibles estructuras con la de las 23 proteínas del SARS-CoV-2 encontrando 3 proteínas con alta similitud topológica (la 3CL viral proteasa, la NSP15 endoribonucleasa y la NSP12 RNA dependiente RNA polimerasa). Basándose en esas tres estructuras se descubrió hasta 16 fármacos aprobados que actuarían con eficacia contra esas tres proteínas.

Figura 6: La FDA es la encargada de aprobar los medicamentos en EEUU.

El estudio se ha publicado en la revista Pharmaceutics y en él se aclara que, aunque no haya que realizar estudios clínicos para aprobar el lanzamiento de estos medicamentos si que habrá que someterlos a estudios clínicos in vitro e in vivo para confirmar su eficacia y trabajar en su posible combinación con otros medicamentos para tratar la COVID-19. Sin duda estas son buenas noticias tanto para el futuro de la medicina como para el de la Inteligencia Artificial.

 

Figura 7: Libro de Machine Learning aplicado a Ciberseguridad de
Carmen Torrano, Fran Ramírez, Paloma Recuero, José Torres y Santiago Hernández

Como estamos viendo, la Inteligencia Artificial, que nosotros comenzamos a utilizarla en el área de Ciberseguridad, se está metiendo en todos, absolutamente todos, los sectores económicos y sociales de nuestro tiempo, y más cosa que veremos.

Saludos,
 

Autor: Sergio Sancho, Security Researcher en Ideas Locas.

Contactar con Sergio Sancho en MyPublicInbox